基于多尺度卷积神经网络的高光谱图像分类算法

• 作者: 李发勇 火元莲 陈静 齐永锋
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 高光谱图像 等距特征映射 多尺度卷积神经网络 分类
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 855-862
• 页数: 8页
• 分类号: TP391.9
• 语种: 中文

摘要

为了提高高光谱图像的分类精度,提出了一种基于多尺度卷积神经网络的高光谱图像分类算法.首先,利用等距特征映射算法处理高光谱数据,以挖掘数据的非线性特性,保持数据点的内在几何性质;然后,构建以标记像元为中心的训练图像块,训练多尺度卷积神经网络;最后,利用softmax分类器预测测试像元的标签.提出的方法在Indian Pines、University of Pavia和Salinas scene高光谱遥感数据集上进行分类实验,并与CNN、R-PCA CNN、CNN-PPF、CD-CNN等算法进行性能比较.实验结果表明,在3个数据集上提出的方法的总体识别精度分别达到98.51％、98.64％和99.39％,与CNN算法相比分别提高了约8.35％、6.37％和7.81％.本文提出的方法无论是在分类精度还是Kappa系数上都优于另外4种方法,是一种较好的高光谱遥感数据分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐永锋		31	188	8.0	12.0
2	火元莲		36	275	11.0	14.0
3	陈静		12	35	4.0	5.0
4	李发勇		2	0	0.0	0.0